爬虫基础 2.2 网页基础

2.2 网页基础

    浏览器浏览的网页,均是浏览器根据超文本,CSS,以及,JS,的解解析规则,对服务器返回的数据进行解析加载,进而变成我们所见的页面。

 

2.21 网页的组成

    1 HTML 构成网页的框架 定义网页的内容

    2 CSS 构成框架中的元素的样式 规定网页的布局

    3 JavaScript 对网页行为进行编程 动画,酷炫的效果等

 

    1 HTML

    网页 括文字、按钮、图片 视频等各 复杂的元素,其基本就是 HTML 。

不同类型的文字通过不同类型的标签来表示 ,

标签之间的布局又常通过布局标签 div 嵌套组合而戚 ,

各种标签通过不同的排列和嵌套形成网页的框架

 

常见标签:详细内容见https://www.jianshu.com/p/04e541183329 (转载总结很棒)

分区标签

<header> 表示一组引导性的帮助

<nav> 导航

<section> 表示文档中的一个区域(或节),通过是否含一个标题作为子节点来辨识<section>

<aside> 表示与其余页面无关的内容部分

<footer> 表示最近一个章节内容或者根节点元素的页脚

<h1>~<h6> 标题

<article> 表示文档、页面、应用或网站中的独立结构

<address> 地址信息

<hgroup> 代表一个段的标题

 

文本内容标签:

<main> 文档<body>或应用的主体部分

<div> 文档分区元素, 通用型流内容容器

<p> 段落

<pre> 预定义格式文本

<ol> 有序列表

<ul> 无序列表

<li> 列表条目元素

<dl> 描述列表元素

<dt>术语定义元素

<dd> 描述元素,描述列表 (<dl>) 的子元素,<dd>与 <dt> 一起用。

<figure> 代表一段独立的内容, 经常与说明(caption) <figcaption> 配合使用

<figcaption>图片说明/标题,于描述其父节点 <figure> 元素里的其他数据

<blockquote> HTML 块级引用元素

<hr> 表示段落级元素之间的主题转换,视觉上看是水平线

 

HTML 支持各种多媒体资源,例如图像,音频和视频。

<img> 图片

<audio> 音频内容

<video> 视频内容

<track> 被当作媒体元素—<audio> 和 <video>的子元素来使用。它允许指定计时字幕(或者基于事件的数据),例如自动处理字幕。

<map> 与 <area> 属性一起使用来定义一个图像映射(一个可点击的链接区域).

<area> 在图片上定义一个热点区域,可以关联一个超链接。<area>元素仅在<map>元素内部使用。

 

2 CSS

HTML 标签原本被设计为用于定义文档内容。通过使用 <h1>、<p>、<table> 这样的标签,HTML 的初衷是表达"这是标题"、"这是段落"、"这是表格"之类的信息。同时文档布局由浏览器来完成,而不使用任何的格式化标签,这样的文档内容单调,不够美观。

    于是,就有了CSS来美化,为HTML中的元素设定显示效果。

CSS 指层叠样式表 (Cascading Style Sheets)

样式定义如何显示 HTML 元素

样式通常存储在样式表中

把样式添加到 HTML 4.0 中,是为了解决内容与表现分离的问题

外部样式表可以极大提高工作效率

外部样式表通常存储在 CSS 文件中

多个样式定义可层叠为一

 

3 JavaScript

        简称JS,脚本语言,HTML和CSS配合只能显示静态的彩色的网页,没有动态效果。网页中的动态交互效果例如

        进度条,弹窗,轮播,,,都是由JS提供。

        JS以单独的文件加载,后缀为.js, 在HTML标签中通过<script>标签引入

 

因此 网页组成中:

    HTML 定义网页文档的基本结构

    CSS 描述网页的布局

    JS 描述网页的动态行为

 

    

 

2.22 网页的结构

    网页的结构由HTML标签决定, 因此要熟悉各种标签的含义以及代表的内容和功能。

 

2.23 网页HTML节点以及节点书树的关系

    节点:

    HTML 文档中的所有内容都是节点,通过 HTML DOM ,所有的节点构成节点树,树中的所有节点均可通过 Java Script 访问,所有 HTML 节点元素均可被修改,也可以被创建或删除

    

整个文档是一个文档节点

每个 HTML 元素是元素节点

HTML 元素内的文本是文本节点

每个 HTML 属性是属性节点

注释是注释节点

 

节点树:

    HTML DOM HTML 文档视作树结构,这种结构被称为节点树,除了root 根节点每个节点都有父节点,也可能由子节点兄弟节点。

 

 

 

 

 

 

 

 

 

2.24 CSS 选择器

    网页由多个节点构成,CSS选择器会根据不同的节点设置为不同的样式,如何定位节点,选择要提取的内容? 通过CSS选择器来选择节点

    

    使用 css 选择器来定位节点

 

例如div 节点的 id 为container ,那么就可以表示为#container ,其中#开头代表选择id 其后紧跟 id 的名称

 

想选择 class wrapper 的节点 ,便可以使用 .wrapper ,这里以点 . 开头代表选择 class ,其后紧跟 class 的名称

 

根据标签名筛选,例如想选择二级标题 ,直接用 h2 即可 这是最常用的 种表示,分别是根据id, class 、标签名筛选 ,

 

css 选择器还支持嵌套选择 ,各个选择器之间加上空格分隔开便可以代表嵌套关系,

#container .wrapper 则代表先选择 id为container 的节点,然后选中其内部的 class wrapper 的节点,然后再进一步选中其内部的p节点

 

如果不加空格,代表并列关系

如 div#container . wrapper p.text 代表先选择 id为container div 节点,然后选中其内部的 class wrapper 的节点,再进步选中其内部的 class text 节点 这就是CSS择器,其筛选非常强大

 

 

 

 

 

 

 

Css选择器语法规则:

选择器

例子

例子描述

CSS

.class

.intro

选择 class="intro" 的所有元素。

1

#id

#firstname

选择 id="firstname" 的所有元素。

1

*

*

选择所有元素。

2

element

p

选择所有 <p> 元素。

1

element,element

div,p

选择所有 <div> 元素和所有 <p> 元素。

1

element element

div p

选择 <div> 元素内部的所有 <p> 元素。

1

element>element

div>p

选择父元素为 <div> 元素的所有 <p> 元素。

2

element+element

div+p

选择紧接在 <div> 元素之后的所有 <p> 元素。

2

[attribute]

[target]

选择带有 target 属性所有元素。

2

[attribute=value]

[target=_blank]

选择 target="_blank" 的所有元素。

2

[attribute~=value]

[title~=flower]

选择 title 属性包含单词 "flower" 的所有元素。

2

[attribute|=value]

[lang|=en]

选择 lang 属性值以 "en" 开头的所有元素。

2

:link

a:link

选择所有未被访问的链接。

1

:visited

a:visited

选择所有已被访问的链接。

1

:active

a:active

选择活动链接。

1

:hover

a:hover

选择鼠标指针位于其上的链接。

1

:focus

input:focus

选择获得焦点的 input 元素。

2

:first-letter

p:first-letter

选择每个 <p> 元素的首字母。

1

:first-line

p:first-line

选择每个 <p> 元素的首行。

1

:first-child

p:first-child

选择属于父元素的第一个子元素的每个 <p> 元素。

2

:before

p:before

在每个 <p> 元素的内容之前插入内容。

2

:after

p:after

在每个 <p> 元素的内容之后插入内容。

2

:lang(language)

p:lang(it)

选择带有以 "it" 开头的 lang 属性值的每个 <p> 元素。

2

element1~element2

p~ul

选择前面有 <p> 元素的每个 <ul> 元素。

3

[attribute^=value]

a[src^="https"]

选择其 src 属性值以 "https" 开头的每个 <a> 元素。

3

[attribute$=value]

a[src$=".pdf"]

选择其 src 属性以 ".pdf" 结尾的所有 <a> 元素。

3

[attribute*=value]

a[src*="abc"]

选择其 src 属性中包含 "abc" 子串的每个 <a> 元素。

3

:first-of-type

p:first-of-type

选择属于其父元素的首个 <p> 元素的每个 <p> 元素。

3

:last-of-type

p:last-of-type

选择属于其父元素的最后 <p> 元素的每个 <p> 元素。

3

:only-of-type

p:only-of-type

选择属于其父元素唯一的 <p> 元素的每个 <p> 元素。

3

:only-child

p:only-child

选择属于其父元素的唯一子元素的每个 <p> 元素。

3

:nth-child(n)

p:nth-child(2)

选择属于其父元素的第二个子元素的每个 <p> 元素。

3

:nth-last-child(n)

p:nth-last-child(2)

同上,从最后一个子元素开始计数。

3

:nth-of-type(n)

p:nth-of-type(2)

选择属于其父元素第二个 <p> 元素的每个 <p> 元素。

3

:nth-last-of-type(n)

p:nth-last-of-type(2)

同上,但是从最后一个子元素开始计数。

3

:last-child

p:last-child

选择属于其父元素最后一个子元素每个 <p> 元素。

3

:root

:root

选择文档的根元素。

3

:empty

p:empty

选择没有子元素的每个 <p> 元素(包括文本节点)。

3

:target

#news:target

选择当前活动的 #news 元素。

3

:enabled

input:enabled

选择每个启用的 <input> 元素。

3

:disabled

input:disabled

选择每个禁用的 <input> 元素

3

:checked

input:checked

选择每个被选中的 <input> 元素。

3

:not(selector)

:not(p)

选择非 <p> 元素的每个元素。

3

::selection

::selection

选择被用户选取的元素部分。

3

 

 

    除了css选择器,还有更高效的xpath选择器可使用。

转载于:https://www.cnblogs.com/binyang/p/10990939.html

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值